AAAI 2024 | 基于三重注意力Transformer的高效轻量级图像去噪

主要观点总结

本文介绍了基于三重注意力Transformer的高效轻量级图像去噪方法，论文提出了LIDFormer方法，旨在实现高性能和低计算复杂度的平衡。论文创新点包括基于离散小波变换的特征轻量化、互补周期特征重用模块、三重多深度卷积头转置注意力模块等。

关键观点总结

关键观点1: LIDFormer方法概述

主要介绍了基于三重多深度卷积头转置注意力（TMDTA）的轻量级图像去噪Transformer方法（LIDFormer），以提升计算效率。该方法通过离散小波变换（DWT）降低图像去噪的计算复杂度，并引入互补周期特征重用（CPFR）方案和TMDTA模块增强去噪性能。

关键观点2: 基于DWT的特征轻量化

通过双离散小波变换（DWT）将输入图像从RGB空间映射到低分辨率频域空间，降低计算复杂度。

关键观点3: 互补周期特征重用（CPFR）模块

CPFR模块对低分辨率频域特征进行非线性操作，实现特征复用功能，结合不同时期的特征，避免浅层特征被遗忘。

关键观点4: 三重多深度卷积头转置注意力（TMDTA）模块

引入水平、垂直和通道自注意力的三维协同计算，获取特征在三个维度上的全局信息，并近似替代传统的高计算量全像素自注意力。

关键观点5: 论文推广信息

分享论文内容可能存在对原文理解的偏差，最终内容以原论文为准。此外，鼓励高校实验室或个人在平台上分享个人论文的介绍、解读等，让更多人了解他们的研究工作。

免责声明